随着影视动漫、有声书广播剧等产业的飞速发展,配音逐渐进入大众的视野,越来越多的配音爱好者希望利用业余时间学习配音,不仅可以增加一份收入,还能圆自己的“配音梦”。然而配音看似门槛低,实则需要专业的学习加上系统的训练与实践,其中配音情感的表达是衡量配音质量的关键因素之一。而网上出现的各类线上配音速成培训班教学质量良莠不齐,难以对学生的配音训练实践提供实时指导,学生也无法准确的评估自己配音的情感表达效果,学习效果较差,最终的学成率也比较低。基于此,本文对语音情感识别技术展开深入研究,旨在通过改进特征提取方法和情感分类模型以得到高效、泛化能力突出的语音情感识别方案,并将其应用于配音情感评价系统中,为配音学习人群提供在线配音训练实践平台,辅助其检测自己配音录音的情感表达效果,降低配音学习的门槛,提高配音学习的效率和专业水平。本文主要的研究内容如下:1)在语音情感特征提取方面,针对常规方式提取的梅尔频率倒谱系数情感信息不足导致识别率低的问题,本文除提取MFCC的一阶、二阶差分构造成3D Log-Mel特征外,还提取语音在中、高频段的梅尔频谱系数Mid-MFCC和IMFCC,将这两种特征与3D Log-Mel通过基于向量外积的二阶池化方法进行融合,得到改进融合的MFCC特征集输入语音情感分类模型中进行实验,在CASIA和IEMOCAP语料库上验证表明,改进融合的MFCC特征集相较单一或任意两种MFCC融合的特征集识别效果都更好。2)对于1)中提取的改进融合的MFCC特征集,单一的特征损失了语音的时序因素等情感信息,因此引入全局特征集与1)中特征集融合以补充情感信息,并在3D CNN-LSTM模型上进行特征级和决策级融合实验,证明了融合两种特征集的情感识别率都高于单一特征集的识别结果;在语音情感识别模型方面,针对3D CNN-LSTM模型无法有效获取融合特征较大数据量中的情感信息的问题,本文依次引入注意力机制和Highway网络优化的Bi-LSTM,得到基于注意力机制的3D CNN+HBi-LSTM模型,在特征级和决策级两种特征融合方法上的对比实验,验证了改进模型的优越性。3)设计了一种在线配音情感评价系统,将实验得到的最优语音情感识别方案应用于配音情感系统中,以搭建前后端分离的配音情感评价系统。系统支持在线配音输入和配音文件上传,后台会对上传的配音数据进行情感识别,再将得到的识别结果结合相应语句的文本情感,以给出综合评价反馈。该系统能够为不同受众提供多样化配音情感检测与评价服务,证明了将语音情感识别应用于配音情感评价系统中的实际应用研究价值。